根据模式提取子字符串

假设我有一个字符串列表：

string = c("G1:E001", "G2:E002", "G3:E003")

现在，我希望得到一个字符串向量，该向量仅包含冒号“：”之后的部分，即substring = c(E001,E002,E003)。

R中有方便的方法吗？使用substr？

以下是几种方法：

1）子

sub(".*:", "", string)
## [1] "E001" "E002" "E003"

2）分裂

sapply(strsplit(string, ":"), "[", 2)
## [1] "E001" "E002" "E003"

3）读取表

read.table(text = string, sep = ":", as.is = TRUE)$V2
## [1] "E001" "E002" "E003"

4）子串

假设第二部分始终从第4个字符开始（在问题示例中就是这种情况）：

substring(string, 4)
## [1] "E001" "E002" "E003"

4a）子串/正则表达式

如果结肠并不总是处于已知位置，我们可以通过搜索来修改（4）：

substring(string, regexpr(":", string) + 1)

5）绑带

strapplyc 返回括号部分：

library(gsubfn)
strapplyc(string, ":(.*)", simplify = TRUE)
## [1] "E001" "E002" "E003"

6）read.dcf

仅当冒号前面的子字符串是唯一的（在问题的示例中）时，此选项才有效。此外，它还要求分隔符为冒号（这是问题所在）。如果使用了其他分隔符，那么我们可以先用sub冒号代替它。例如，如果隔板是_然后string <- sub("_", ":", string)

c(read.dcf(textConnection(string)))
## [1] "E001" "E002" "E003"

7）分开

7a）使用tidyr::separate我们创建一个包含两列的数据框，一列用于冒号之前的部分，一列用于之后的部分，然后提取后者。

library(dplyr)
library(tidyr)
library(purrr)

DF <- data.frame(string)
DF %>% 
  separate(string, into = c("pre", "post")) %>% 
  pull("post")
## [1] "E001" "E002" "E003"

图7b）可替换地separate，可以使用只创建的post列，然后unlist和unname所得到的数据帧：

library(dplyr)
library(tidyr)

DF %>% 
  separate(string, into = c(NA, "post")) %>% 
  unlist %>%
  unname
## [1] "E001" "E002" "E003"

8）修剪我们可以trimws用来修剪左边的文字字符，然后再次使用它修剪冒号。

trimws(trimws(string, "left", "\\w"), "left", ":")
## [1] "E001" "E002" "E003"

注意

string假定输入为：

string <- c("G1:E001", "G2:E002", "G3:E003")

例如使用gsub或sub

    gsub('.*:(.*)','\\1',string)
    [1] "E001" "E002" "E003"

这是另一个简单的答案

gsub("^.*:","", string)

聚会晚了，但是为了后代，stringr包（流行的“ tidyverse”包套件的一部分）现在为函数提供了带有统一签名的函数以处理字符串：

string <- c("G1:E001", "G2:E002", "G3:E003")
# match string to keep
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

# replace leading string with ""
stringr::str_remove(string = string, pattern = "^.*:")
# [1] "E001" "E002" "E003"

应该这样做：

gsub("[A-Z][1-9]:", "", string)

给

[1] "E001" "E002" "E003"

如果您使用的data.table则tstrsplit()是一个自然的选择：

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

该unglue包提供了一种替代，需要简单的情况下，没有正则表达式的知识，在这里我们应该这样做：

# install.packages("unglue")
library(unglue)
string = c("G1:E001", "G2:E002", "G3:E003")
unglue_vec(string,"{x}:{y}", var = "y")
#> [1] "E001" "E002" "E003"

^{由reprex软件包（v0.3.0）创建于2019-11-06}

更多信息：https : //github.com/moodymudskipper/unglue/blob/master/README.md